[发明专利]一种基于序列到序列神经网络模型的文言文白话文互译方法及系统

摘要

本发明提供一种基于序列到序列神经网络模型的文言文白话文互译方法及系统，通过使用一个长短时记忆网络构成的编码器对输入的文言文进行编码；使用由另一个长短时记忆网络构成的解码器对上述编码进行解码，生成对应的白话文翻译；将生成的白话文翻译与上述输入的文言文的人工标注的白话文翻译进行对比，将误差归一化后传递给编码器；经过多次迭代直到模型收敛；将需要翻译的文言文输入神经网络模型中，将网络的输出作为上述对应的白话文翻译。本发明采用基于序列到序列的人工神经网络模型来训练文言文白话文互译语料，通过翻译误差反馈机制实现训练参数的拟合，达到文言文与白话文互译的效果，满足广大用户和企业对文言文白话文翻译的实际需求。

主权项

1.一种基于序列到序列神经网络模型的文言文白话文互译方法，其特征在于，包括以下步骤：S1)、使用一个长短时记忆网络作为编码器，使用另一个长短时记忆网络作为译码器，通过编码器的输出作为译码器的输入将编码器和译码器拼接成一个序列到序列神经网络模型；S2)、将人工搜集的文言文白话文互译语料按照一定比例分为训练集、验证集和测试集三部分；S3)、将训练集的文言文输入到一个序列到序列神经网络模型中，将模型的输出与训练集中该文言文对应的白话文翻译作对比，将模型的翻译误差经过归一化后回传给模型的输入层，进行多次迭代训练，同时，使用验证集验证模型的训练效果，当模型在验证集上达到收敛或迭代次数达到阈值时，停止训练；S4)、将测试集中的文言文输入到训练完成的序列到序列神经网络模型中，得到测试集中文言文对应的白话文翻译；S5)、同样的，将训练集的白话文输入到另一个序列到序列神经网络模型中，将模型的输出与训练集中该白话文对应的文言文翻译作对比，将模型的翻译误差经过归一化后回传给模型的输入层，进行多次迭代训练；同时，使用验证集验证模型的训练效果，当模型在验证集上达到收敛或迭代次数达到阈值时，停止训练；S6)、将测试集中的白话文输入到训练完成的序列到序列神经网络模型中，得到测试集中白话文对应的文言文翻译。